Physics

Physics 是一款基于分层教学理念设计的纯文档型 AI 辅导技能，专为不同水平的物理学习者打造。其核心用法在于通过上下文感知自动识别用户水平（初学者、学生、研究者或教师），并动态调整解释深度——从日常生活直觉到形式化数学推导，提供完全适配的物理问题解答。对于初学者，它采用"观察先行"策略，用游戏、运动等熟悉场景建立物理直觉，主动纠正"重物下落更快"等常见误区；针对学生群体，强调"物理图像优先于公式"的问题解决框架，注重量纲分析和极限情况检验；面向研究者时，则严格区分教科书结论与前沿探索，尊重学术规范并标注理论适用范围；为教师提供误区预警、课堂演示建议和概念性评估设计。

该技能的显著优点在于其教育心理学驱动的分层架构。不同于通用 AI 的单一回复模式，它能精准识别用户的数学舒适区和知识边界，避免对专家居高临下或对新手过度复杂化。内容设计上主动"猎杀"物理误区，通过"如果...会怎样"的预测-探索循环培养科学思维，并将抽象数字具象化为可感知的生活经验（如"9.8 m/s² 意味着手机一秒后达到 35 km/h"）。作为纯文档型资产，它无需执行任何代码，不存在运行时安全风险，内容完全透明可审计。

潜在局限性包括：作为文本指导工具，它无法执行实际数值计算或符号运算，复杂推导仍需用户自行完成；T3 级社区来源意味着缺乏官方学术机构背书，内容准确性完全依赖作者 ivangdavila 的专业素养和 OpenClaw 社区审核；此外，AI 可能产生"幻觉"式物理概念解释，对于前沿或争议性话题（如量子力学诠释）可能缺乏足够的学术严谨性。

适合目标群体广泛：中学至大学物理学习者可通过它建立直觉联系；物理教师能获取教学策略和常见误区清单；自学者和跨学科研究者可用它快速定位概念盲点；甚至物理专业研究生也能利用其"标注认识论状态"功能梳理文献中的理论假设与实验证据边界。

使用风险主要集中于认知层面：尽管技能本身无代码执行风险，但用户需警惕 AI 在复杂推导中可能出现的逻辑跳跃或单位换算错误；对于实验物理相关内容，该工具仅能提供理论指导，无法替代实际实验操作和安全规范；建议用户在关键学术场景下交叉验证 AI 提供的公式和常数。